論文の概要: Bayesian Network Modeling of Causal Influence within Cognitive Domains and Clinical Dementia Severity Ratings for Western and Indian Cohorts
- arxiv url: http://arxiv.org/abs/2408.12669v1
- Date: Fri, 16 Aug 2024 07:53:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-01 17:02:13.121545
- Title: Bayesian Network Modeling of Causal Influence within Cognitive Domains and Clinical Dementia Severity Ratings for Western and Indian Cohorts
- Title（参考訳）: 認知領域における因果関係のベイズネットワークモデルと西インド・コホートにおける重症度評価
- Authors: Wupadrasta Santosh Kumar, Sayali Rajendra Bhutare, Neelam Sinha, Thomas Gregor Issac,
- Abstract要約: 本研究では,2つの異なる老化データセットを対象とした臨床認知症評価(CDR)とその6つのドメインスコアの因果関係について検討した。
ベイジアンネットワークモデルから導出したDAGを用いて、ドメインスコア間の依存性と、そのグローバルCDRへの影響を分析する。
- 参考スコア（独自算出の注目度）: 2.474908349649168
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study investigates the causal relationships between Clinical Dementia Ratings (CDR) and its six domain scores across two distinct aging datasets: the Alzheimer's Disease Neuroimaging Initiative (ADNI) and the Longitudinal Aging Study of India (LASI). Using Directed Acyclic Graphs (DAGs) derived from Bayesian network models, we analyze the dependencies among domain scores and their influence on the global CDR. Our approach leverages the PC algorithm to estimate the DAG structures for both datasets, revealing notable differences in causal relationships and edge strengths between the Western and Indian populations. The analysis highlights a stronger dependency of CDR scores on memory functions in both datasets, but with significant variations in edge strengths and node degrees. By contrasting these findings, we aim to elucidate population-specific differences and similarities in dementia progression, providing insights that could inform targeted interventions and improve understanding of dementia across diverse demographic contexts.
- Abstract（参考訳）: 本研究は、アルツハイマー病神経画像イニシアチブ(ADNI)とインド縦断老化研究(LASI)の2つの異なる老化データセットにまたがる、臨床認知症評価(CDR)と6つのドメインスコアの因果関係について検討した。
ベイジアンネットワークモデルから導出したDAGを用いて、ドメインスコア間の依存性と、そのグローバルCDRへの影響を分析する。
提案手法では,PCアルゴリズムを用いて両方のデータセットのDAG構造を推定し,西インドと西インド間の因果関係とエッジ強度の顕著な差異を明らかにした。
この分析は、両方のデータセットにおけるメモリ機能に対するCDRスコアの強い依存を強調しているが、エッジ強度とノード度には大きな違いがある。
これらの知見とは対照的に,認知症進行の個体差や類似性を解明し,対象とする介入を通知し,多様な地域社会における認知症理解を改善するための洞察を提供することを目的としている。
関連論文リスト
- Leveraging Persistent Homology for Differential Diagnosis of Mild Cognitive Impairment [2.474908349649168]
軽度認知障害(MCI)は、認知機能の微妙な変化が特徴であり、しばしば脳の接続の混乱と関連している。
本研究では,6種類の被験者の脳ネットワークに関連する神経変性のトポロジカルな変化を調べるための,新しい微粒化分析法を提案する。
論文 参考訳（メタデータ） (2024-08-28T09:01:55Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - Graph Theory and GNNs to Unravel the Topographical Organization of Brain Lesions in Variants of Alzheimer's Disease Progression [0.0]
我々は,アルツハイマー病(AD)神経病理の変動を評価するためのグラフベースの枠組みを提案し,評価した。
我々のフレームワークは、古典的(cAD)および急激な(rpAD)進行形式に焦点を当てている。
結果は,各AD変異体に特有の神経病理学的ネットワーク構造が示唆された。
論文 参考訳（メタデータ） (2024-03-01T16:16:51Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - Interpretable Graph Convolutional Network of Multi-Modality Brain
Imaging for Alzheimer's Disease Diagnosis [14.894215698742924]
本稿では,アルツハイマー病の同定と分類のための解釈可能なグラフ畳み込みネットワークフレームワークを提案する。
我々はGrad-CAM法を用いて、GCNが同定した最も差別的な特徴を脳接続パターンから定量化した。
論文 参考訳（メタデータ） (2022-04-27T20:43:11Z) - Investigating the Relationship Between World Development Indicators and
the Occurrence of Disease Outbreaks in the 21st Century: A Case Study [0.0]
病気の発生に弱い社会経済セクターのタイムリーな識別は、市民当局にとって重要な課題である。
我々は、データ駆動モデルを利用して、世界開発指標の傾向と病気の発生との関係を判断する。
論文 参考訳（メタデータ） (2021-09-20T06:31:03Z) - Modelling Major Disease Outbreaks in the 21st Century: A Causal Approach [0.0]
本稿では,グローバルな開発指標をマーカーとして,感染症の発生に敏感な最も重要な開発セクターを同定する手法を提案する。
我々は,これらの指標と疾患発生の因果関係を統計的に評価し,最も頻度の高い指標を見つけるために,統計手法を用いる。
論文 参考訳（メタデータ） (2021-09-15T13:05:51Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - Unsupervised Domain Adaptation for Dysarthric Speech Detection via
Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。
DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。
実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
論文 参考訳（メタデータ） (2021-06-18T13:34:36Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳（メタデータ） (2020-05-08T02:29:24Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。